Analisis Distribusi dan Analisis Peringkat Data Kemiskinan dari Tiga Sumber Data di Kabupaten Bekasi

Penulis

  • Beny Cahyadie Institut Pertanian Bogor, Bogor, Indonesia
  • Bambang Juanda Institut Pertanian Bogor, Bogor, Indonesia
  • Akhmad Fauzi Institut Pertanian Bogor, Bogor, Indonesia
  • Rilus A. Kinseng Institut Pertanian Bogor, Bogor, Indonesia

DOI:

https://doi.org/10.21787/jbp.15.2023.453-466

Kata Kunci:

tiga sumber data, peringkat data, data presisi, PROMETHEE

Abstrak

Dalam mengimplementasikan kebijakan berbasis bukti, perlu didukung oleh data kemiskinan yang tepat, akurat, dan konsisten. Tujuannya agar berbagai bantuan seperti bansos, PKH, sembako, prakerja, dan subsidi lainnya dapat tepat sasaran bagi masyarakat yang mengalami kemiskinan. Keragaman sumber data kemiskinan akan berimplikasi pada ketidaktepatan sasaran penerima bantuan sosial. Hingga saat ini, masih terdapat tiga sumber data kemiskinan, yaitu Badan Pusat Statistik (BPS), Kementerian Sosial (Kemensos) dengan Data Terpadu Kesejahteraan Sosial (DTKS), dan TNP2K yang kini berada di bawah Kementerian Koordinator Bidang Pembangunan Manusia dan Kebudayaan (Kemenko PMK) yang juga mengeluarkan data yang menyasar pada target Percepatan Penanggulangan Kemiskinan Ekstrim (P3KE). Tujuan dari penelitian ini adalah untuk menganalisis sebaran data kemiskinan dan analisis pemeringkatan data kemiskinan dari tiga sumber data di Kabupaten Bekasi. Metode analisis menggunakan perangkat lunak ArcGIS 10.4 dan shapefile peta administrasi wilayah Kabupaten Bekasi. Pada analisis pemeringkatan data kemiskinan dari tiga sumber data di setiap kecamatan di Kabupaten Bekasi, digunakan metode Preference Ranking Organization Methods For Enrichment Evaluation (PROMETHEE). Hasil analisis menunjukkan bahwa sebaran data P3KE sebanyak 1.317.098 jiwa tersebar pada desil-1 hingga desil-4 di seluruh kecamatan di Kabupaten Bekasi. Data BPS sebanyak 229.367 jiwa yang tersebar di setiap kecamatan, dan jumlah DTKS di Kabupaten Bekasi sebanyak 1.035.402 jiwa, dengan sebaran data terbanyak berada di Kecamatan Babelan, yaitu sebanyak 110.867 jiwa dari 34.009 jiwa. Sedangkan peringkat terbaik dari ketiga sumber data kemiskinan tersebut adalah Cikarang Pusat, Kecamatan Pebayuran (0.7273), Tambun Utara (0.6364), Cibitung dan Karang Bahagia (0. 4242), Cikarang Utara (0.3939), Tambun Selatan (0.3636), Sukatani (0.2121), Serang Baru (0.1515), Cikarang Barat (0.1212), Tarumajaya (0.0909), Cikarang Timur (0.0606).

Referensi

Antlöv, H., Wetterberg, A., & Dharmawan, L. (2016). Village Governance, Community Life, and the 2014 Village Law in Indonesia. Bulletin of Indonesian Economic Studies, 52(2), 161–183. https://doi.org/10.1080/00074918.2015.1129047

Brans, J. P., & Vincke, Ph. (1985). A Preference Ranking Organisation Method (the PROMETHEE Method for Multiple Criteria Decision-Making). Management Science, 31(6), 647–656. https://www.jstor.org/stable/2631441

Christia, A. M., & Ispriyarso, B. (2019). Desentralisasi Fiskal dan Otonomi Daerah di Indonesia. Law Reform, 15(1), 149–163. https://doi.org/10.14710/LR.V15I1.23360

Direktorat Jenderal Perimbangan Keuangan Kementerian Keuangan. (2015a, March 26). Rincian Dana Transfer ke Daerah dan Dana Desa pada Anggaran Pendapatan dan Belanja Negara – Perubahan (APBN-P) Tahun Anggaran 2015. Direktorat Jenderal Perimbangan Keuangan Kementerian Keuangan. https://djpk.kemenkeu.go.id/?p=2048

Direktorat Jenderal Perimbangan Keuangan Kementerian Keuangan. (2015b, November 17). Rincian Alokasi DAU, DAK FISIK, DID, dan Dana Desa Tahun Anggaran 2016. Direktorat Jenderal Perimbangan Keuangan Kementerian Keuangan. https://djpk.kemenkeu.go.id/?p=109

Direktorat Jenderal Perimbangan Keuangan Kementerian Keuangan. (2016, November 2). Transfer ke Daerah dan Dana Desa Tahun Anggaran 2017. Direktorat Jenderal Perimbangan Keuangan Kementerian Keuangan. https://djpk.kemenkeu.go.id/?p=3871

Direktorat Jenderal Perimbangan Keuangan Kementerian Keuangan. (2017, November 1). Rincian Transfer ke Daerah dan Dana Desa (TKDD) dalam APBN Tahun Anggaran 2018. Direktorat Jenderal Perimbangan Keuangan Kementerian Keuangan. https://djpk.kemenkeu.go.id/?p=5437

Direktorat Jenderal Perimbangan Keuangan Kementerian Keuangan. (2018, October 31). Rincian Alokasi Transfer ke Daerah dan Dana Desa (TKDD) dalam APBN Tahun Anggaran 2019. Direktorat Jenderal Perimbangan Keuangan Kementerian Keuangan. https://djpk.kemenkeu.go.id/?p=9370

Djuanda, B. (2023a, July 6). Pentingnya Data Presisi dalam Penanggulangan Kemiskinan. Republika. https://www.republika.id/posts/42813/pentingnya-data-presisi-dalam-penanggulangan-kemiskinan

Djuanda, B. (2023b, August 6). Urgensi Kebijakan Satu Data Kemiskinan. FEM – IPB University. https://fem.ipb.ac.id/index.php/2023/08/06/urgensi-kebijakan-satu-data-kemiskinan/

Fauzi, A. (2019). Teknik Analisis Berkelanjutan. PT. Gramedia Pustaka Utama.

Haliim, W. (2016). Poverty Reduction for Extremely Poor Households of Malang City by the Implementation of Program Keluarga Harapan. Jurnal Bina Praja: Journal of Home Affairs Governance, 8(2), 331–340. https://doi.org/10.21787/JBP.08.2016.331-340

Handoyo, F., Hidayatina, A., & Purwanto, P. (2021). The Effect of Rural Development on Poverty Gap, Poverty Severity and Local Economic Growth in Indonesia. Jurnal Bina Praja, 13(3), 369–381. https://doi.org/10.21787/jbp.13.2021.369-381

Kartika, R. (2012). Partisipasi Masyarakat dalam Mengelola Alokasi Dana Desa (ADD) di Desa Tegeswetan dan Desa Jangkrikan Kecamatan Kepil Kabupaten Wonosobo. Jurnal Bina Praja, 04(03), 179–188. https://doi.org/10.21787/JBP.04.2012.179-188

Kemenko PMK. (2023). Sebaran > Layanan Data P3KE. Layanan Data P3KE. https://p3ke.kemenkopmk.go.id/sebaran

Liu, Y., Liu, J., & Zhou, Y. (2017). Spatio-Temporal Patterns of Rural Poverty in China and Targeted Poverty Alleviation Strategies. Journal of Rural Studies, 52, 66–75. https://doi.org/10.1016/J.JRURSTUD.2017.04.002

Manoby, W. M., Afriyanni, A., Fitri, S. E., Pranasari, M. A., Setyaningsih, E., Rosidah, R., & Saksono, H. (2021). Digital Village: The Importance of Strengthening Village Resilience in the Digital Age. Jurnal Bina Praja, 13(1), 53–63. https://doi.org/10.21787/jbp.13.2021.53-63

Masbiran, V. U. K., Murliasari, R., Afriyanni, & Wulandari, S. N. (2021). Constraint and Strategies Element for Increasing Effectiveness Village Fund Management Based Interpretive Structural Modelling. Jurnal Bina Praja, 13(3), 445–457. https://doi.org/10.21787/jbp.13.2021.445-457

Matondang, E. (2017). Finding Out the Potency of Nusa Tenggara Timur in Poverty Allevation. Jurnal Bina Praja: Journal of Home Affairs Governance, 9(2), 231–242. https://doi.org/10.21787/JBP.09.2017.231-242

Murliasari, R. (2021). Implementation of Village Fund Management Policy Affirmation in Village Development. Jurnal Bina Praja, 13(3), 555–567. https://doi.org/10.21787/jbp.13.2021.555-567

Oxfam. (2017). Menuju Indonesia yang Lebih Setara: Laporan Ketimpangan Indonesia.

Rahmawati, T. (2022). Nudge on Choice Architecture. Jurnal Bina Praja: Journal of Home Affairs Governance, 14(2), 239–250. https://doi.org/10.21787/JBP.14.2022.239-250

Saragi, N. B., Muluk, M. R. K., & Sentanu, I. G. E. P. S. (2021). Indonesia’s Village Fund Program: Does It Contribute to Poverty Reduction? Jurnal Bina Praja, 13(1), 65–80. https://doi.org/10.21787/jpb.13.2021.65-80

Sjaf, S., La Elson, Halim, L., & Godya, I. M. (2020). Data Desa Presisi. Penerbit IPB Press.

Stiglitz, J. E. (2002). Globalization and Its Discontents. W.W. Norton.

Suharyanto, S., & Sofianto, A. (2012). Model Pembangunan Desa Terpadu Inovatif di Jawa Tengah. Jurnal Bina Praja, 04(04), 251–260. https://doi.org/10.21787/JBP.04.2012.251-260

Diterbitkan

2023-12-29

Cara Mengutip

Analisis Distribusi dan Analisis Peringkat Data Kemiskinan dari Tiga Sumber Data di Kabupaten Bekasi. (2023). Jurnal Bina Praja, 15(3), 453-466. https://doi.org/10.21787/jbp.15.2023.453-466

Terbitan

Bagian

Artikel

Cara Mengutip

Analisis Distribusi dan Analisis Peringkat Data Kemiskinan dari Tiga Sumber Data di Kabupaten Bekasi. (2023). Jurnal Bina Praja, 15(3), 453-466. https://doi.org/10.21787/jbp.15.2023.453-466

Artikel paling banyak dibaca berdasarkan penulis yang sama